sql-server - nvarchar (Unicode) 列的 COLLATIONS 有何意义？

Question

我读了很多这方面的内容。

还有一些问题:

我在这里不讨论区分大小写...

• 如果我有一个字符(例如ש)并且他存储在nvarchar中- 它可以容纳任何东西，为什么我需要 collation在这里？

• 如果我是“FaceBook”并且我需要存储 all 的能力来自 all 的字符语言，排序规则和我的 nvarchar 列之间的关系是什么？

提前致谢。

Answer 1

存储和表示字符是一回事，了解如何对它们进行排序和比较又是另一回事。

Unicode 数据在 SQL Server 中以 XML 和 N 前缀类型存储，可以表示所有语言中的所有字符(在大多数情况下，这是它的目标)具有单个字符集。因此，对于 NCHAR/NVARCHAR 数据(我省略了 NTEXT 因为它不应该再使用，而 XML > 因为它不受排序规则的影响)，排序规则不会更改可以存储的字符。对于 CHAR 和 VARCHAR 数据，排序规则确实会影响可以存储的内容，因为每个排序规则都指向特定的代码页，这决定了可以存储的内容存储在值 128 - 255 中。

现在，虽然所有字符都有默认的排序顺序，但它不可能适用于所有语言和文化。有许多语言共享一些/许多/所有字符，但对于如何对它们进行排序有不同的规则。例如，在大多数使用这些字母的字母表中，字母“C”位于字母“D”之前。在美国英语中，“C”和“H”的组合(即“CH”作为两个单独的字母)自然会出现在任何以“D”开头的字符串之前。但是，在某些语言中，“CH”的两个字母组合是特殊的，并且排序在“D”之后:

IF (   N'CH' COLLATE Czech_CI_AI > N'D' COLLATE Czech_CI_AI
   AND N'C'  COLLATE Czech_CI_AI < N'D' COLLATE Czech_CI_AI
   AND N'CI' COLLATE Czech_CI_AI < N'D' COLLATE Czech_CI_AI
   ) PRINT 'Czech_CI_AI';

IF (   N'CH' COLLATE Czech_100_CI_AI > N'D' COLLATE Czech_100_CI_AI
   AND N'C'  COLLATE Czech_100_CI_AI < N'D' COLLATE Czech_100_CI_AI
   AND N'CI' COLLATE Czech_100_CI_AI < N'D' COLLATE Czech_100_CI_AI
   ) PRINT 'Czech_100_CI_AI';

IF (   N'CH' COLLATE Slovak_CI_AI > N'D' COLLATE Slovak_CI_AI
   AND N'C'  COLLATE Slovak_CI_AI < N'D' COLLATE Slovak_CI_AI
   AND N'CI' COLLATE Slovak_CI_AI < N'D' COLLATE Slovak_CI_AI
   ) PRINT 'Slovak_CI_AI';

IF (   N'CH' COLLATE Slovak_CS_AS > N'D' COLLATE Slovak_CS_AS
   AND N'C'  COLLATE Slovak_CS_AS < N'D' COLLATE Slovak_CS_AS
   AND N'CI' COLLATE Slovak_CS_AS < N'D' COLLATE Slovak_CS_AS
   ) PRINT 'Slovak_CS_AS';

IF (   N'CH' COLLATE Latin1_General_100_CI_AS > N'D' COLLATE Latin1_General_100_CI_AS
   AND N'C'  COLLATE Latin1_General_100_CI_AS < N'D' COLLATE Latin1_General_100_CI_AS
   AND N'CI' COLLATE Latin1_General_100_CI_AS < N'D' COLLATE Latin1_General_100_CI_AS
   ) PRINT 'Latin1_General_100_CI_AS'
ELSE PRINT 'Nope!';

返回:

Czech_CI_AI
Czech_100_CI_AI
Slovak_CI_AI
Slovak_CS_AS
Nope!

要查看跨不同文化的排序规则示例，请参阅:Collation Charts .

此外，在某些语言中，某些字母或字母组合与其他字母的等同性与大多数其他语言中不同。例如，只有在丹麦语中，“å”才等于“aa”。但是，“å”并不等于单个“a”:

IF (N'aa' COLLATE Danish_Greenlandic_100_CI_AI =  N'å' COLLATE Danish_Greenlandic_100_CI_AI
AND N'a'  COLLATE Danish_Greenlandic_100_CI_AI <> N'å' COLLATE Danish_Greenlandic_100_CI_AI
   ) PRINT 'Danish_Greenlandic_100_CI_AI';

IF (   N'aa' COLLATE Danish_Norwegian_CI_AI =  N'å' COLLATE Danish_Norwegian_CI_AI
   AND N'a'  COLLATE Danish_Norwegian_CI_AI <> N'å' COLLATE Danish_Norwegian_CI_AI
   ) PRINT 'Danish_Norwegian_CI_AI';

IF (   N'aa' COLLATE Latin1_General_100_CI_AI =  N'å' COLLATE Latin1_General_100_CI_AI
   AND N'a'  COLLATE Latin1_General_100_CI_AI <> N'å' COLLATE Latin1_General_100_CI_AI
   ) PRINT 'Latin1_General_100_CI_AI'
ELSE PRINT 'Nope!';

返回:

Danish_Greenlandic_100_CI_AI
Danish_Norwegian_CI_AI
Nope!

这一切都非常复杂，我什至没有提到从右到左的语言(希伯来语和阿拉伯语)、中文、日语、组合字符等的处理。

如果您想深入了解规则，请查看Unicode Collation Algorithm (UCA) 。上面的示例基于该文档中的示例，但我不相信 UCA 中的所有规则都已实现，特别是因为 Windows 排序规则(排序规则不以 SQL_) 基于 Unicode 5.0 或 6.0，具体取决于您使用的操作系统以及安装的 .NET Framework 的版本(有关详细信息，请参阅 SortVersion)。

这就是排序规则的作用。如果您想查看所有可用的排序规则，只需运行以下命令:

SELECT [name] FROM sys.fn_helpcollations() ORDER BY [name];